抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ハッカーは,Webページにおけるマルウェア(例えば,Trojans,Wormsなど)を,ユーザ情報をsteし,不法に獲得することができる。実際に,すべてのウェブサイトの1/3近くが自然界で潜在的に悪意があることが注目されている。したがって,インターネット上の悪意のあるURLを迅速に検出することを意味する。本論文では,ほとんどの以前の方法とは異なり,本論文では,適応学習に基づくオンラインの悪意のあるURL検出のための方法を提案した。バックボーンネットワークからネットワークトラフィックを収集することにより,機械学習モデルを訓練し,悪意のあるURLを検出する。しかし,目標変数の統計的性質が時間とともに変化する環境において,概念ドリフトとして知られている,深刻な問題がある。この問題を扱うために,適応学習における概念ドリフトを正しく検出するために,ノンパラメトリック試験を適用した。異なるタイプの概念ドリフトによる広範な実験を行い,人工および実データセットに対する提案方法の実現可能性を実証した。著者らの経験的研究により,このアプローチは,悪意のあるURLと概念ドリフトの検出において良好な性能を有することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】